AI Highlights — полная картина — 2026-10-24 (сб) Ежедневные новости

Warp Sciences привлекла $215 million на создание лаборатории, в которой ИИ и роботы проводят химические эксперименты. В тот же период, по сообщениям, American Express сокращает 5% персонала, а Colliers предупредила, что нехватка специалистов по ИИ может затормозить рост в Европе. Там, где финансирование и ожидания велики, одновременно происходят кадровые перестановки и дефицит кадров. Общее для статей, которые мы прочтём за эти полдня, — мнение, что разница между успехом и неудачей определяется не столько объёмом денег, вложенных в ИИ, сколько тем, как эти инвестиции проходят проверку на местах и чьими руками ими управляют. Исследования в области диагностики, классификации речи и прогнозирования также показывают читателям разницу между результатами в подходящих условиях и результатами в реальной среде.

Партнёрство с огромными фондами, привлечёнными в сфере ИИ для разработки лекарств

Warp Sciences привлекла $215 million на создание лаборатории по поиску лекарств на основе ИИ (citybiz). По данным BRIDGE, эта компания использует ИИ и роботов для проведения химических экспериментов в целях разработки лекарств и привлекла финансирование в рамках раунда Series A под руководством Lightspeed. На стадии Series A было привлечено более $200 million. Интерес вызывает и то, на что пойдут средства. Цель — не только разрабатывать программное обеспечение и модели, но и построить лаборатории, где эксперименты будут реально проводиться, и автоматизировать химические эксперименты.

Ещё одна компания, Pathos, занимающаяся разработкой лекарств с помощью ИИ, привлекла $237 млн при оценке в $3 млрд (STAT). Reuters сообщает, что Pathos будет сотрудничать с Bristol Myers и Tempus AI для продвижения разработки лекарств (Reuters). Здесь сумма привлечённых средств и оценка включают практические связи партнёрства с крупной фармацевтической компанией. Причина привлечения средств не только в перспективности одного лишь ИИ. По-видимому, при оценке будет учитываться и то, как он будет встроен в процесс разработки фармацевтических компаний.

Общая сумма, привлечённая двумя компаниями, составляет $452 million. Этот масштаб показывает, что ожидания от ИИ для разработки лекарств выходят за рамки превосходства алгоритмов и распространяются на инвестиции во весь бизнес, включая экспериментальное оборудование и партнёров. Читателям следует извлечь из этих цифр не саму высокую оценку стоимости. Вопрос в том, используются ли средства в виде автоматизированных экспериментальных установок или сотрудничества с крупными фармацевтическими компаниями.

Однако все представленные на этот раз материалы — это объявления о привлечении средств и сотрудничестве, а не отчёты о результатах разработки лекарств. Хотя средства будут привлечены в первую очередь, необходимо отдельно убедиться, что обеспечение людьми для работы лаборатории и проверка на реальной площадке разработки будут продвигаться с той же скоростью.

Сокращение персонала и нехватка кадров происходят одновременно

American Express сократит 5% персонала, сообщает Demokratis.co.id. Причина, на которую указывает заголовок, — совместимость с ИИ. Это сокращение показывает, что внедрение ИИ не только повысило операционную эффективность, но и вступило в стадию перестройки самой структуры занятости. 5% — это доля от всех сотрудников, а не денежная сумма. Лучшим показателем серьёзности намерений компании, чем то, вложила ли она крупную сумму в ИИ, является то, проявляются ли эти вложения в изменениях кадрового состава. Когда читатели смотрят на свои компании и деловых партнёров, определение того, какие профессии сокращаются, а какие востребованы, точнее отражает реальное положение дел, чем размер бюджетов, связанных с ИИ.

С другой стороны, одних разговоров об избытке людей недостаточно. По данным Data Center Solutions, гигант в сфере услуг для недвижимости Colliers предупредил, что нехватка специалистов по ИИ может помешать росту ИИ в Европе. Сокращение на 5% в American Express и предупреждение Colliers — отдельные сообщения, появившиеся примерно в одно и то же время. Однако если сопоставить их, вырисовывается единая картина. Существующие рабочие места подлежат сокращению и реорганизации, а людей, способных проектировать, эксплуатировать и поддерживать ИИ на местах, не хватает. Указывается, что предложение кадров может стать верхним пределом роста в европейском регионе, а значит, одного лишь привлечения средств недостаточно для гарантии роста. Тем, кто планирует внедрение, помимо обеспечения оборудования и контрактов, необходимо в первую очередь выяснить, где они будут набирать персонал.

Движения, меняющие отношения между инструментами и теми, кто ими владеет, происходят и за пределами индустрии. Frieze рассказал о художнике Дэвиде Сэлле (David Salle), пригласившем ИИ в свою студию. Ателье — это место, где творцы завершают свои работы собственными руками. Появление ИИ в этой области само по себе можно рассматривать как признак того, что разделение ролей между теми, кто отвечает за работу, и инструментами, которые их поддерживают, пересматривается. Хотя эти три случая различаются по масштабу: сокращение штата в компании, нехватка местных кадров и отдельные производственные площадки, у них есть одна общая черта: кто за что отвечает и в какой мере за что-то будет отвечать ИИ. Исходя из этих фактов, похоже, мы переходим к стадии, на которой успех или неудача внедрения измеряется не размером вложенных средств, а тем, можно ли проверить результаты в реальной работе на местах и удастся ли обеспечить людей, способных это осуществить. В следующем разделе мы рассмотрим, как далеко продвинулось это подтверждение.

Начинают появляться проверки, в которых ИИ превосходит людей в диагностике и прогнозировании

Microsoft представила исследование, показавшее, что ИИ, построенный по образцу группы врачей, превзошёл врачей по точности диагностики (Medical Economics). Говорят, что в основе конструкции лежит использование ИИ для воспроизведения того, как проходит лечение, когда несколько специалистов обсуждают случай и приходят к заключению. До сих пор о диагностической поддержке с помощью ИИ часто говорили как об инструменте, помогающем отдельным врачам. На этот раз предметом сравнения стало суждение отдельных врачей, и ось оценки сместилась с удобства помощи на саму точность диагностики. Однако этот результат получен в рамках исследования. Сохранится ли такая же точность в реальных амбулаторных и экстренных условиях, предстоит выяснить в ходе дальнейшей проверки.

Проверка прогнозов началась и в областях, близких к выбору лечения. BostonGene будет сотрудничать в исследовании, используя свой ИИ для прогнозирования эффективности и токсичности CAR-T-терапии (RegMedNet). При CAR-T-терапии решения о лечении строятся вокруг двух задач: выявления пациентов, от которых можно ожидать пользы, и заблаговременной оценки риска тяжёлых побочных эффектов. Если сфера прогнозирования расширится от диагностики до эффективности и токсичности лечения, результат работы ИИ перестанет быть лишь одним из соображений для врачей и станет основой для решений о том, начинать ли лечение и как им управлять. Форма совместного исследования показывает, что проект не заканчивается представлением метода, а вошёл в стадию включения и проверки данных и экспертных знаний с клинической стороны.

Есть примеры и за пределами медицины, где ИИ отвечает за наблюдение на месте. EdenCore продемонстрировала свою технологию мониторинга фруктов на основе ИИ на FIRA USA (Fruit Growers News). До сих пор задача постоянного наблюдения за состоянием фруктов и его оценки выполнялась людьми, приезжающими на поля. Если ИИ возьмёт это наблюдение на себя, ценность его внедрения будет зависеть от того, сможет ли он непрерывно собирать информацию, пригодную для принятия решений. Поскольку технологию пока показали только на выставке, нужно посмотреть, как она применяется, чтобы понять, даст ли она результаты в полевых условиях.

Хотя сферы различны — диагностика, прогнозирование результатов лечения, наблюдение за плодами, — общее у них то, что ИИ начал брать на себя роль наблюдения и прогнозирования, которая является входом к человеческому суждению. Здесь вопрос не в производительности в условиях исследований или демонстраций, а в том, можно ли воспроизвести те же результаты в реальной среде и найдётся ли достаточно людей, готовых принять и использовать эти результаты.

ИИ, близкий к повседневной жизни, и проверка в реальной среде

Голосовая ИИ-модель, которая классифицирует степень тяжести дизартрии по записям из реальных условий, представлена на Bioengineer.org. Дизартрия — это состояние, при котором нарушается разборчивость речи. Примечательно, что в сообщении речь идёт о записях из реальной среды, а не об аудио, собранном в заданных условиях. Дома или в учреждении по уходу нельзя рассчитывать на тихую комнату или специальный микрофон. Применимость модели в такой ситуации зависит от того, можно ли классифицировать речь, содержащую шумы или колебания голоса говорящего. Тем, кто думает о внедрении, нужно смотреть не только на показатели точности, но и проверять, при каких условиях записи эта точность была достигнута.

В повседневной сфере ИИ проникает в отношения и в то, как мы распоряжаемся временем. На странице Регионального бюро развития Хокурику есть сравнение цен приложений «ИИ-подруга», бесплатной версии AI Lover и меры предосторожности. Тот факт, что существуют статьи, сравнивающие структуру цен и объём бесплатной версии, показывает, что приложения такого рода перешли от пробного использования к стадии, на которой часть людей выбирает их, исходя из соображений стоимости. Пользователям стоит отдельно продумать, с чем можно начать бесплатно, а за что придётся платить, чтобы продолжать. Между тем Unite.AI сообщает, что трое старшеклассников запустили MyDaye AI. Это инструмент, позволяющий вписывать плотное расписание в планы на день, а его создатели принадлежат к поколению, близкому к пользователям.

В сферах, связанных с эмоциями, можно говорить и об автомобилях. Yahoo! News рассказал о Mazda Vision Cross Compact, с которым связывают ожидания как с next generation Mazda 2. Говорят, что этот автомобиль привлекает внимание как «лучший друг» с «эмпатичным ИИ». Однако это ожидания от автомобиля, который всё ещё находится на концептуальной стадии, и то, как эмпатия работает во время вождения, на реальной езде пока не подтверждено.

Четыре рассмотренных до сих пор случая касаются разных ситуаций: медицинской помощи, любви, учёбы и расписаний, а также транспорта. Однако их объединяет то, что ИИ начал применяться вблизи повседневных деталей и эмоций людей. В таком случае следующий вопрос касается не столько его высокой производительности, сколько того, кто будет продолжать использовать его на местах и кто будет за него отвечать.

На первый взгляд, объём финансирования ИИ для разработки лекарств, доля сокращения персонала, сравнение точности диагностики и классификация по записям из реальной среды — это разные темы. Однако общим для каждого раздела было то, что критерии успеха или неудачи внедрения смещаются от объёмов инвестиций и ожиданий к демонстрациям на местах и обеспечению людьми, которые будут этим руководить. Даже при крупном финансировании остаётся отдельным вопрос, сможет ли лаборатория провести эксперимент. Сохранится ли точность, достигнутая в рамках исследования, в амбулаторных условиях или дома, требует отдельной проверки. Та же ситуация отражена в том, что одни компании сокращают персонал, а другие жалуются на нехватку кадров. Вместо того чтобы смотреть, сколько вложено в ИИ, стоит смотреть, что можно проверить и при каких условиях, а также достаточно ли людей для работы с ним — это поможет решить, внедрять ли его в будущем.

В1: При использовании ИИ в текущей работе при каких условиях были подтверждены его точность и эффективность, и можете ли вы объяснить это с учётом условий вашего собственного рабочего места? В2: Если решение, принятое на основе результата работы ИИ, оказывается неверным, насколько далеко назад можно проследить, где лежит ответственность, и проверить записи о верификации? В3: Помимо бюджета, связанного с ИИ, сколько ресурсов выделяется на обеспечение персоналом и проведение демонстраций на местах? Можете ли вы объяснить это распределение как управленческое решение?

Наконец, три вопроса

- При использовании ИИ в рабочем процессе: при каких условиях были подтверждены его точность и эффективность, и можете ли вы объяснить это с учётом условий вашего собственного рабочего места? Q2: Если решение, основанное на результатах ИИ, оказывается неверным, насколько далеко назад мы можем проверить, на ком лежит ответственность, и найти записи о проверке? Q3: Помимо бюджета, связанного с ИИ, сколько ресурсов выделяется на обеспечение персонала и проведение демонстраций на местах? Можете ли вы объяснить это распределение как управленческое решение? - Если решение, основанное на результатах ИИ, оказывается неверным, насколько далеко назад мы можем проверить, на ком лежит ответственность, и найти записи о проверке? Q3: Помимо бюджета, связанного с ИИ, сколько ресурсов выделяется на обеспечение персонала и проведение демонстраций на местах? Можете ли вы объяснить это распределение как управленческое решение? - Помимо бюджета, связанного с ИИ, сколько ресурсов выделяется на обеспечение персонала и проведение демонстраций на местах, и можно ли объяснить это распределение как управленческое решение?